“Riflessioni sull’intelligenza artificiale: tra premesse tecnologiche e pericoli etici” – 1 parte –

da | 06/06/2024 | EVENTI, GIURISPRUDENZA

Convegno Lerici, 24 maggio 2024

“L’incidenza per gli Enti Locali delle modifiche e novità normative relative a: Statuto dei diritti del contribuente, processo tributario e digitalizzazione della P.A.”

Relazione della Elena Repman (Dottoranda di ricerca in Management for Digital Transformation: Business, Communication and Ethics —Università “N. Cusano” Roma): “Riflessioni sull’intelligenza artificiale: tra premesse tecnologiche e pericoli etici”

Abstract:

Questo articolo esamina l’evoluzione e l’impatto dell’intelligenza artificiale (IA) in vari settori, evidenziando le sfide tecnologiche ed etiche emergenti. Viene tracciata una panoramica storica dello sviluppo dell’IA, dalle prime fasi negli anni ’50 fino ai recenti progressi nel machine learning e nel deep learning. Si discute la mancanza di definizioni univoche di termini chiave come “intelligenza artificiale”, “robot” e “agente intelligente”, sottolineando la necessità di una comprensione comune per affrontare le questioni regolamentari. Inoltre, l’articolo esplora il problema dell’antropomorfizzazione dei sistemi di IA, analizzando le implicazioni etiche e filosofiche di attribuire qualità umane a macchine. Si evidenzia come le nuove tecnologie stiano trasformando non solo i processi produttivi ma anche i valori e le responsabilità sociali, proponendo un approccio umanistico all’innovazione tecnologica. Infine, si riflette sull’importanza di competenze tecniche, legali ed etiche per sfruttare l’IA in modo responsabile e vantaggioso per la società.

 

La centralità della trasformazione digitale senza dubbi appartiene all’intelligenza artificiale. Sebbene si ritenga che la maggior parte dell’automazione digitale riguardi la produzione industriale e l’agricoltura, anche i leader aziendali nei settori della logistica, della vendita al dettaglio, della finanza e del settore legale e tributario sono pienamente consapevoli del potenziale impatto della digitalizzazione. Le imprese identificano l’incremento nell’adozione di nuove tecnologie di frontiera e l’ampliamento dell’accesso digitale come i trend più probabili a guidare la trasformazione nella loro organizzazione, ci si aspetta che tali tendenze influenzino oltre l’85% delle organizzazioni esaminate (lo dimostra il set di dati del rapporto “The Future of Jobs 2023” (WEF, 2023), che contiene 803 risposte uniche da parte di aziende globali,

Quindi giustissimo cercare di capire le sfide che ci aspettano in futuro. La mia presentazione  è un tentativo di riflettere insieme oggi su questa profonda trasformazione che stiamo vivendo.       

Che cos’è l’Intelligenza Artificiale? Il nostro primo challenge

Proporrei di fare un tuffo veloce nella  storia dell’intelligenza artificiale. Ci sono stati sempre dei periodi alternati di ottimismo e successiva delusione, spesso chiamati “estati” e “inverni” dell’IA. Questi cicli riflettono le oscillanti aspettative e i risultati concreti nel campo dell’intelligenza artificiale. Le “estati” dell’IA sono caratterizzate da notevoli progressi, aumento dei finanziamenti e proiezioni ottimistiche sul potenziale dell’IA di rivoluzionare vari settori. Al contrario, gli “inverni” dell’IA sono periodi di riduzione dei finanziamenti, diminuzione dell’interesse e scetticismo riguardo alle capacità dell’IA, spesso causati da aspettative non soddisfatte e limiti tecnici. Questo schema ciclico evidenzia la natura dinamica e in continua evoluzione della ricerca e dello sviluppo dell’IA, poiché ogni ciclo di ripresa e declino contribuisce al progresso incrementale e alla maturazione del settore.

  • 1956 Il termine “intelligenza artificiale” (McCarthy, J., Minsky, M., Rochester, N., & Shannon, C., 1955) viene coniato durante una conferenza a Dartmouth e l’IA viene fondata come disciplina accademica.
  • 1956–1974: Gli anni d’oro dell’IA vedono approcci promettenti basati sulla logica per la risoluzione dei problemi.
  • 1974–1980: Le aspettative eccessivamente alte, unite alle capacità limitate dei programmi di IA, portano al primo “inverno dell’IA”.
  • 1980–1987: L’ascesa dei sistemi esperti basati sulla conoscenza porta nuovi successi e un cambiamento nell’orientamento della ricerca.
  • 1987–1993: Il secondo “inverno dell’IA” inizia con il crollo improvviso dell’industria dell’hardware specializzato nel 1987, dovuto a limiti di adattabilità e alti costi per aggiornamenti e manutenzione, contribuendo a una visione più pessimistica del potenziale dell’IA.
  • 1993–2011: Il rinnovato ottimismo nell’intelligenza artificiale (IA) è sostenuto dai progressi nella potenza di calcolo, spostando l’IA verso un approccio basato sui dati: il DeepBlue di IBM sconfigge il campione di scacchi Kasparov nel 1997, Amazon introduce i sistemi di raccomandazione nel 2002 e Apple lancia Siri nel 2011.
  • 2012–oggi: La maggiore disponibilità di dati, connessione e potenza di calcolo consente progressi nel machine learning, principalmente nelle reti neurali e nel deep learning, inaugurando una nuova era di finanziamenti e ottimismo riguardo al potenziale dell’IA.

Adesso stiamo vivendo una delle più caldi estati dell’IA di sempre.

C’è un boom delle pubblicazioni scientifiche sull’IA: nel 2019, più di 3 preprint sull’IA sono stati inviati ad arXiv ogni ora, oltre 148 volte più velocemente rispetto al 1994. Per gli esperti di IA, nel 2019, 5,26 nuovi ricercatori sono entrati nel campo dell’IA ogni ora, più di 175 volte più velocemente rispetto agli anni ’90. (Tang et al., 2020)

C’è un boom dei brevetti sull’IA: tra il 2006 e il 2011, le pubblicazioni di brevetti sono cresciute in media dell’8 percento all’anno. Tra il 2012 e il 2017, sono cresciute in media del 28 percento all’anno. Il numero effettivo di domande pubblicate all’anno è passato da 8.515 nel 2006 a 12.473 nel 2011 e 55.660 nel 2017. Inoltre, il 53 percento di tutti i brevetti nel campo dell’IA è stato pubblicato dal 2013, un notevole aumento recente nelle pubblicazioni di brevetti.(World Intellectual Property Organization, 2019)

C’è un boom della legislazione sull’IA: nel 2022, gli organi legislativi di 127 paesi hanno approvato 37 leggi che includevano le parole “intelligenza artificiale”. Gli Stati Uniti hanno guidato la classifica, approvando nove leggi, seguiti dalla Spagna (5) e dalle Filippine (4). Dal 2016, i paesi hanno approvato 123 leggi relative all’IA, la maggior parte negli ultimi anni. (Stanford AI Index 2023, Chapter 6)

Per quello che riguarda l’Europe e l’Italia in particolare: é stato recentemente approvato The European Union’s AI Act,  ed in continuità con l’AI Act il Consiglio dei ministri del 23 aprile ha approvato un disegno di legge per l’introduzione di disposizioni e la delega al Governo in materia di intelligenza artificiale.

 Definizione Generale di Intelligenza Artificiale: di che cosa precisamente stiamo parlando?

È interessante notare che non esiste una definizione universalmente accettata di intelligenza, e ciò che consideriamo un comportamento “intelligente” possa variare significativamente nelle diverse situazioni.. In un articolo del 2007, ricercatori Shane Legg e Marcus Hutter enumerano  71 definizioni possibili del termine” intelligenza”. (Legg S., & Hutter  M., 2007)

Detto questo, l’IA è generalmente definita come la capacità di una macchina di imitare funzioni cognitive umane come l’apprendimento, il ragionamento, la pianificazione, la percezione e la comprensione del linguaggio.

Il termine di IA è come l’ombrello: rappresenta una varietà di Tecnologie e Metodologie, e tra di loro possiamo trovare:

  • Apprendimento Automatico (Machine Learning): sottocategoria dell’IA che si concentra sullo sviluppo di algoritmi che permettono ai computer di apprendere dai dati e migliorare le loro prestazioni nel tempo senza essere esplicitamente programmati.
  • Reti Neurali Artificiali e Deep Learning: Modelli computazionali ispirati alla struttura e al funzionamento del cervello umano, utilizzati per riconoscimento di pattern e classificazione.
  • Elaborazione del Linguaggio Naturale (NLP): Tecnologie che permettono alle macchine di comprendere, interpretare e rispondere al linguaggio umano.
  • Visione Artificiale (Computer Vision): consente ai computer di interpretare e comprendere il mondo visivo, analizzando immagini e video.
  • Sistemi Esperti: Sistemi che utilizzano conoscenze specifiche e regole logiche per risolvere problemi complessi in domini specifici.
  • Robotica: Integrazione dell’IA nei robot per eseguire  compiti autonomi o semi-autonomi.

 Man mano che negli anni passati il campo si sviluppava e diversificava,  il numero di significati aumentava e oggi non esiste una definizione universalmente accettata. Ci sono diverse definizioni e sono legate a differenti approcci disciplinari, come l’informatica, l’ingegneria elettrica, la robotica, la psicologia o la filosofia. Ad esempio, la ricerca ci ha fornito un’analisi di 65 diverse definizioni e tassonomie relative al termine “Intelligenza Artificiale”, che viene definito in modi diversi in documenti di ricerca, industriali e legislativi. (Samoili et al., 2021)

La ricerca, condotta nel 2022 e basata sulla letteratura esistente nell’intersezione tra accademia, industria e politica, sfrutta l’esperienza e le competenze sviluppate presso il Centro Comune di Ricerca della Commissione Europea. È stato creato un glossario conciso ma completo di termini sull’IA, con un approccio centrato sull’uomo, destinato a fungere da riferimento importante per discussioni interdisciplinari e orientate alle politiche. Sono stati raccolti e adattati 230 termini diversi da oltre 10 fonti rilevanti, tra cui standard, documenti politici, testi legali e varie referenze scientifiche. Tra questi termini figurano concetti legati a un’IA affidabile e centrata sull’uomo, come trasparenza, equità e responsabilità (Estevez Almenzar et al., 2022).

 Una delle sfide di nostri giorni è legata al fatto che noi assistiamo alla mancanza di definizioni fondamentali e di una comprensione univoca del contenuto dei termini “intelligenza artificiale”, “robot”, “robot intelligente”, “robotica”, “agente intelligente” poiché la rivoluzione che viviamo arriva troppo rapidamente e cambia il mondo, e a sua volta porta a problemi terminologici nella formazione della regolamentazione.

Perché è importante? Data la natura applicata dell’uso di queste tecnologie in vari settori, tra cui anche il settore tributario, la domanda che ci possiamo fare – potrebbe essere necessaria la formulazione di diverse definizioni a seconda dell’industria di applicazione? Alcuni paesi hanno direttamente indicato nelle loro strategie della transizione digitale di evitare, almeno fino a 2024, l’introduzione nella legislazione di una singola definizione normativa di questi termini per tutte le industrie.

Problema dell’antropomorfizzazione: ci vuole un nuovo vocabolario?

 Per quanto riguarda il vocabolario dell’IA, quale linguaggio usiamo quando parliamo di IA? C’è la tendenza ad antropomorfizzare i sistemi di intelligenza artificiale. Uno degli esempi è stato preso da “AI Glossary” di Consiglio d’Europa:

 “CHATBOT: Conversational agent that dialogues with its user (for example: empathic robots available to patients, or automated conversation services in customer relations).”

Ma che cos’è “empatia”? Troviamo in Wikipedia: “L’empatia è la capacità di comprendere o sentire ciò che un’altra persona sta vivendo, cioè la capacità di “mettersi nei panni di un altro”. Secondo l’American Psychological Association, l’empatia consiste nel comprendere una persona adottando il suo punto di vista invece che il proprio, oppure fare esperienza indiretta e spesso involontaria degli stati mentali di una persona. L’empatia non implica necessariamente la spinta motivazionale oppure emotiva a prestare aiuto, sebbene la sua evoluzione in simpatia o in contagio emotivo può determinare azioni e comportamenti di soccorso e aiuto..

  Può un robot essere empatico nel senso stretto della parola?

C’è questo processo, con il quale i sistemi di intelligenza artificiale sono dotati di qualità simili a quelle umane,  e c’è la riduzione dei processi cognitivi umani a un computer, questo solleva significative questioni etiche e filosofiche.

Questa tendenza può sfruttata dalle aziende per indurre la convinzione che i loro prodotti siano in grado di comprendere, conoscere, consigliare o giudicare in senso proprio. (Tafani,  2022)

A titolo d’esempio è sufficiente citare che secondo le stime il 92% delle aziende leader che si occupano di selezione del personale è interessato ad automatizzare i propri processi entro il prossimo decennio. (Eightfold AI, 2022). Questo implica che la decisione sulla nostra candidatura per un posto di lavoro potrebbe essere presa da una macchina anziché da una persona.

Le implicazioni etiche di tale prospettiva, specialmente quando gli esiti hanno un impatto significativo sulle vite umane, richiedono un’esame approfondito all’interno del quadro dell’etica dell’IA e della filosofia della tecnologia.

…………………………….

 

Dott.ssa Elena Repman

(Dottoranda di ricerca in Management for Digital Transformation: Business, Communication and Ethics

Università “N. Cusano” Roma)